[論文レビュー] Submodular Hypergraphs: p-Laplacians, Cheeger Inequalities and Spectral Clustering

Pan Li, Olgica Milenković|arXiv (Cornell University)|Mar 10, 2018

Advanced Graph Neural Networks参考文献 39被引用数 43

ひとこと要約

本論文は部分モジュラルハイパーグラフを導入し、それら上のp-ラプラス演算子を定義し、ノーダル領域定理と高次チェーガー不等式を証明し、1-および2-ラプラス演算子のスペクトralクラスタリングアルゴリズムとしてSDPと逆冪法ベースの手法を提案する。

ABSTRACT

We introduce submodular hypergraphs, a family of hypergraphs that have different submodular weights associated with different cuts of hyperedges. Submodular hypergraphs arise in clustering applications in which higher-order structures carry relevant information. For such hypergraphs, we define the notion of p-Laplacians and derive corresponding nodal domain theorems and k-way Cheeger inequalities. We conclude with the description of algorithms for computing the spectra of 1- and 2-Laplacians that constitute the basis of new spectral hypergraph clustering methods.

研究の動機と目的

• 部分モジュラルハイパーグラフによって捉えられる高次の頂点依存性を用いたクラスタリングを動機づける。
• 部分モジュラルハイパーグラフ上のp-ラプラス演算子を定義し、ノーダル領域定理を確立する。
• これらのp-ラプラス演算子に対するk対応のチェーガー不等式を導出する。
• クラスタリングのための1-および2-ラプラスのスペクトルを計算するアルゴリズムを提案・解析する。
• 実データでの性能を実証し、実装リソースを提供する。

提案手法

• エッジごとにサブモジュラル重み関数と正規化された最大重みを持つ部分モジュラルハイパーグラフを定義する。
• 部分モジュラルハイパーグラフのp-ラプラス演算子を開発し、集合論的手法とLovász拡張ツールを用いて固有対と固有値ペアを特徴づける。
• 離散的ノーダル領域定理と、固有値とチェーガー不等式を結ぶ高次チェーガー不等式を証明する。
• p=2の場合の第2固有値を近似するSDPに基づくアルゴリズムを提案し、証明可能な保証を持つ（O(ζ(E))近似）。”
• p=1の場合の第2固有値を近似する逆冪法(IPM)ベースのアルゴリズムを提案し、収束保証を与える。
• 分解可能な部分モジュラ最小化を用いた内ループ手順の効率化を議論する。

実験結果

リサーチクエスチョン

• RQ1 部分モジュラルハイパーグラフに対してp-ラプラス演算子をどのように定義し、そのスペクトル特性はどうなるだろうか。
• RQ2 これらのp-ラプラス演算子の固有ベクトルのノーダル領域構造はどうなるか。
• RQ3 高次チェーガー不等式は部分モジュラルハイパーグラフにおける固有値と多方向伝導度をどのように結びつけるか。
• RQ4 スペクトルクラスタリングを可能にするために、p=1およびp=2の第2固有値を計算する効率的なアルゴリズムを設計できるか。
• RQ5 部分モジュラルハイパーグラフ上のSDPおよびIPMベースクラスタリング手法の性能保証は何か。

主な発見

• 部分モジュラルハイパーグラフを導入し、エッジごとに正規化と対称性を有するサブモジュラル重み関数を割り当てる。
• 部分モジュラルハイパーグラフのp-ラプラス演算子を定義し、離散的ノーダル領域定理とk方面のチェーガー不等式を確立する。
• 第2固有値 λ2(p) が新しい境界を介して m-k チェーガー不等式定数の厳密な近似を提供することを証明する。
• λ2(2) に対する二次近似保証付きのSDPベース法と、λ2(1) に対する収束保証付きのIPMベース法という二つのクラスタリングアルゴリズムを提供する。
• UC Irvine ML データセット上でIPMベース法の実証的有効性を示し、実装コードを共有する。
• スペクトル理論をグラフ埋め込み、ウェーブレット、グラフ畳み込みネットワークへの潜在的拡張と結びつける。